您的位置:首页 > 国内新闻

有病得治!机器学习将颠覆医疗诊断系统?

时间:2019-12-19

疾病诊断是医疗系统中劳动强度较大的工作之一,也是机器学习算法的一个很好的领域。 尽管这一领域的工作仍处于早期发展阶段,但该技术发展迅速,似乎已准备好转化为“诊断医学”

随着机器学习在医学领域应用的深入,越来越多的机器学习应用于医学诊断的案例出现。 大多数诊断数据基于图像,如x光、磁共振和超声图像,包括基因组图谱、流行病学数据、血液测试、活检结果,甚至医学研究论文。 因此,这为训练神经网络和其他机器学习技术提供了大量数据。

疾病预测:早期检测和早期治疗

普通医疗系统不能始终保持准确快速的诊断,但是机器学习不仅可以大大降低成本,而且几乎可以实时获得诊断结果 在越来越多的情况下,机器学习可以比有经验的医生提供更准确的诊断。

例如,麻省理工学院技术评论(MIT Technology Review)最近的一份报告指出,崔洪云和黄在天安公共卫生中心和韩国高级科学技术研究所的京黄开发了深层卷积神经网络(CNN)。它只能通过正电子发射断层扫描(PET)大脑扫描来准确判断患者是否有在三年内患阿尔茨海默病的倾向。

洪洋和京利用易患阿尔茨海默病的轻度认知障碍患者的脑图像数据集预测阿尔茨海默病的准确率为84%。

早期发现和治疗是降低大多数疾病治疗成本,甚至逆转诊断结果的关键。

就阿尔茨海默病而言,它可以在症状恶化之前延缓疾病的发展。 阿尔茨海默病是美国第六大死亡原因。 据估计,2017年老年痴呆症护理费用将达到259亿美元。 到2050年,这一数字预计将飙升至1.1万亿美元。

同样,如果皮肤癌的早期检测结果是5年存活率的97%,那么晚期检测结果将降至14%

这种数据差异促使斯坦福大学的研究人员开发深度学习算法,并使它们成为一个潜在的救生项目。 斯坦福人工智能实验室教授巴斯蒂安特龙领导的一个团队开发了一个复杂的神经网络模型,可以像训练有素的皮肤科医生一样熟练地识别角质细胞和黑色素瘤。

在《《自然》》杂志上发表的一篇论文中,他们指出深层回旋神经网络“在识别角质细胞和黑色素瘤恶性肿瘤方面的表现和所有经过测试的专家一样出色。深层回旋神经网络显示出与皮肤科医生对皮肤癌进行分类的专业能力相当的智能 "

大数据处理:帮助提高数据利用效率

早期发现世界上最主要的死亡原因心脏病也是如此。 诺丁汉大学的一项研究发现,一套用于评估心血管风险的机器学习算法优于美国心脏病学会建立的非机器学习算法

小发猫Watson是最早使用机器学习算法的组织之一,但是专注于机器学习算法的医疗机构的数量每天都在增长。 人体极其复杂。医生可以尽最大努力诊断疾病,但他们不能保证能正确检测任何疾病,如心脏病。

在这种情况下,医生扫描了条医疗数据,这些数据将应用于基于不同机器学习技术的四种算法:随机森林、逻辑回归、梯度提升和神经网络 目标是预测10年内某人心脏病发作或中风的几率。

与美国心脏病学会已建立的算法预测相比,结果表明,这四种机器学习算法在心血管疾病预测方面优于ACC算法,其中神经网络技术表现最好。 “研究表明,人工智能在预防心脏骤停和中风等事件中发挥着重要作用,它可以增加被认定为高风险的患者数量,并允许医生尽快干预。 “

临床应用:机器学习的登陆

机器学习模型的其他工作,包括可以诊断或预测乳腺癌、肺癌、脑瘤甚至自杀的治疗方案 无论如何,机器学习可以比训练有素的医生预测得更好,至少和他们一样。

其中一些应用正在从学术领域向临床应用转变。 在美国,食品和药物管理局已经将机器学习付诸实践 今年1月,基于云的医学成像公司Arterys因其对心肺的深度学习应用而获得认可,该公司使用深度学习模型进行心脏磁共振的相关性分析。

例如,在眼科医生的帮助下,国内人工智能企业Airdoc通过允许深度学习算法学习远远超过人类医生终生摄入量的患者眼底照片,训练了深度神经网络来检测糖尿病视网膜病变。 据了解,该算法在糖尿病视网膜病变筛查中的准确性与3 A级高级眼科医生相同

考虑到降低医疗费用和改善获取途径的压力,越来越多的批准将陆续发布,但这不会在一夜之间实现。 医疗机构必须向食品和药物管理局证明自己,食品和药物管理局制定了严格的指导方针,并向世界各地的卫生机构证明自己。 此外,很少有医生意识到机器学习是一种潜在的诊断工具,因此他们需要更深入的教育,甚至更多的教学培训。 然而,这些不是问题。 未来,低成本、易获取、高质量的医疗需求将推动技术的发展,不断改善医疗诊断行为。

版权声明

本文来源于1亿欧元,由1亿欧元授权发行。版权属于原作者。 请点击重印说明进行重印或内容合作。任何非法翻印都将受到起诉

什么是高硼硅玻璃杯?诗如意山东水杯品牌就是高硼硅材质

  • 友情链接:
  • 曲靖新闻网 版权所有© www.yzdlmy.com 技术支持:曲靖新闻网| 网站地图